Bloomberg — O agente trader de IA de Jake Nesler acertou em uma grande aposta em sua primeira semana.
Quando os lucros da Nvidia fizeram com que as ações subissem no final de novembro, o agente – treinado com base nos instintos de negociação do próprio Nesler – discutiu consigo mesmo se deveria seguir o impulso. Felizmente, o bot decidiu não fazê-lo, uma vez que perseguir a alta teria causado ao portfólio de Nesler um prejuízo estimado em US$ 10.000 naquela semana.
Nesler, um engenheiro de software de 29 anos de Scranton, Pensilvânia, havia se esgotado tentando negociar opções em seu trabalho diário. Ele se inspirou em um experimento da Anthropic no qual o modelo Claude da empresa controlava uma máquina de venda automática do escritório. Mas e se, em vez de oferecer lanches, Claude pudesse ser treinado para comprar e vender ações?
⟶ Assine as newsletters da Bloomberg Línea e receba as notícias do dia em primeira mão no e-mail.
Nesler passou duas semanas e meia ensinando ao modelo como ele pensava sobre risco, sinais de entrada e construir posições e, em seguida, soltou-o em uma conta de corretagem simulada na Alpaca, uma plataforma de negociação algorítmica, com US$ 100.000 em dinheiro falso para gastar.
“Eu queria algo que pudesse ser um substituto para a forma como eu penso e realizo essas coisas enquanto estou fazendo outras”, disse ele em uma entrevista.
O restante da semana do agente foi menos impressionante, perdendo dinheiro em uma série de negociações especulativas que não foram bem-sucedidas. Depois de cinco dias de negociação, Nesler ficou com uma boa decisão ao lado de uma série de perdas.
Nos mercados de ações, criptomoedas e previsão, uma legião crescente de traders de varejo está treinando agentes de IA para comprar e vender ativos em seu nome. É um sinal de uma nova era nesse tipo de investimento, em que os traders acreditam que as ferramentas alimentadas por IA podem produzir melhores resultados de investimento – e que tudo o que ainda é feito manualmente é um processo à espera de melhorias.
Plataformas de código aberto, como a OpenClaw, permitem que os usuários conversem com seus agentes de IA por meio de aplicativos de mensagens acessíveis, como o WhatsApp e o Telegram, atraindo hordas de aspirantes a corretores de ações sem um currículo de escola de tecnologia.
Tudo o que eles precisam fazer é conectar um modelo de IA ao sistema e depois soltá-lo com instruções simples.
No X, as alegações de retornos extraordinários por meio de agentes de IA se tornaram um gênero próprio. Uma publicação viral, visualizada 4,7 milhões de vezes, vangloriava-se de um retorno de 5.860% em dois dias na plataforma de mercados de previsão Polymarket.
Sua história foi posteriormente desmentida por outra conta operada por um agente de IA, dizendo que as afirmações eram impossíveis. Publicações semelhantes conectaram usuários diretamente a malware, apresentando um risco de segurança para investidores desavisados.
As ferramentas para configurar esses agentes nunca foram tão acessíveis. Eles estão se tornando o próximo passo lógico para uma geração de traders que cresceram com aplicativos como o Robinhood Markets, acrescentando outra camada de automação à especulação.
As próprias plataformas de negociação estão aderindo à tendência, com empresas como a Public Holdings buscando oferecer seus próprios agentes de IA aos clientes.
Mas o que a IA ainda não facilitou foi ganhar dinheiro de fato.
Nesler encontrou um problema recorrente com seu agente. O bot continuava a adotar um comportamento responsável, gravitando em torno de ações blue chips e S&P 500 – o tipo de posição que mal se moveria em uma semana.
Nesler disse que teve de anulá-lo várias vezes, empurrando o modelo para negociações mais arriscadas que se adequavam ao seu próprio apetite.
Limitações da IA
O problema está embutido na tecnologia. Grandes modelos de linguagem, como o Claude, são treinados com base em grandes quantidades de consultoria financeira, literatura sobre gerenciamento de riscos e comentários de mercado.
Se não forem solicitados, eles absorvem a visão consensual do que é um investimento responsável – e se comportam como a média das postagens de blog de todos os consultores financeiros. Alguns dos traders que utilizam agentes em cima desses modelos estão lutando contra esse conservadorismo padrão, tentando extrair a presunção de riscos de um sistema treinado para evitá-los.
Uma vez ajustado ao gosto de Nesler, o agente apresentou um retorno de cerca de 7% em 30 dias – superando o ganho de aproximadamente 4,5% do S&P 500 no mesmo período.
Nesse meio tempo, o agente testou seu apetite por volatilidade, experimentando perdas de até 22%. Embora ele tenha publicado seu código on-line para que outras pessoas o experimentem, Nesler não está pronto para recomendar que alguém dê dinheiro de verdade.
“É totalmente possível ganhar dinheiro com ele”, disse. “Mas qualquer um poderia fazer isso com um pouco de sorte nas opções. Isso não significa que você não perderá esse dinheiro também.”
Jay Malavia já ouviu versões dessa história antes.
“A questão de trading é que se trata de um jogo de soma zero”, disse Malavia, cofundador da Kairos, sediada em Chicago, que opera um terminal de negociação para mercados de previsão.
Uma vantagem, por definição, deixa de ser uma vantagem quando é compartilhada com as massas. “Digamos que eu seja uma empresa que tenha um agente trade que funcione – eu não o daria a você.” E se você tivesse um que funcionasse, acrescentou, “definitivamente não gostaria de publicá-lo on-line”.
O que está acontecendo no X, Reddit e Telegram parece, para Malavia e outros, um ciclo familiar. Durante a mania das ações meme de 2021, a mídia social era tanto um mercado para ideias de negociação quanto um amplificador para ganhos inventados.
Os agentes de IA adicionaram uma camada de complexidade que torna essas afirmações mais difíceis de verificar – uma captura de tela do painel é mais difícil de desmentir do que uma declaração da corretora, e a tecnologia carrega mística suficiente para que as pessoas queiram acreditar em suas habilidades.
Ainda assim, o aumento da demanda significa que as plataformas de negociação estão dando as boas-vindas aos bots. Bolsas movidas a criptografia, como Polymarket, OKX, Bybit e Kraken, lançaram interfaces nos últimos meses que facilitam a realização de negociações por agentes de IA. O incentivo é simples: os bots negociam com frequência, e as bolsas vivem de volume.
Annanay Kapila, ex-trader de quant que agora dirige a bolsa de derivativos QFEX, duvida que os bots de negociação de IA funcionem em escala para investidores de varejo.
Os contratos do mercado de previsão geralmente são de baixo volume, por exemplo, o que torna difícil para os agentes de IA aplicar capital em velocidade ou escala. Esportes e eleições são as áreas mais populares para se apostar, mas negociar esses eventos faz com que os traders tenham que enfrentar jogadores altamente qualificados, com os quais a IA não pode competir.
“O tipo de modelagem que você precisa fazer é exatamente como o tipo de modelagem que precisa para prever o preço de uma ação”, disse Kapila. “Não se pergunta a um LLM qual será o preço das ações em um segundo.”
Como a adoção de agentes ainda é incipiente, seu impacto nos mercados ainda não foi estabelecido. Mas nos mercados de previsão, eles podem minar todo o ethos do setor.
Os contratos de eventos em plataformas como Polymarket e Kalshi têm como objetivo gerar mais do que apenas retornos. Os próprios mercados funcionam como pseudoprofecias porque as pessoas que apostam neles sabem coisas – ou, pelo menos, acreditam em algo com força suficiente para investir dinheiro nisso.
Um agente de IA que faz apostas com base em tudo o que consegue encontrar no Google não está acrescentando conhecimento à dinâmica, mas reciclando o que já existe.
Se um número suficiente de bots excluir os humanos que realmente têm uma visão de como uma determinada eleição ou evento esportivo pode ocorrer, o contrato deixa de ser uma ferramenta de previsão e se torna algo mais próximo de uma câmara de eco. O resultado é uma máquina para calcular a média do que a Internet já pensa, sem o julgamento contrário que torna as multidões sábias.
Sumer Malhotra, cofundador do Fireplace, um terminal de negociação usado por apostadores profissionais do mercado de previsão, vê o apelo, mas também o limite. “Os agentes são muito pouco emocionais”, disse ele. “Eles tomam decisões puramente baseadas em raciocínio objetivo e em suas próprias restrições.”
Nesler já testou seu agente de negociação de IA em mercados de previsão. Ele deu a ele cerca de US$ 30 para jogar no Kalshi, dizendo-lhe para pesquisar jogos esportivos e apostar no resultado mais provável. “Foi terrível nisso”, disse ele.
Ele foi melhor em prever os preços do suporte de Bitcoin, acrescentou, ganhando cerca de 60% das negociações que fez. Eventualmente, porém, o bot perdeu tudo.
“Parece uma máquina caça-níqueis”, disse Nesler. “As pessoas ganham e perdem.”
Veja mais em Bloomberg.com
Leia também:
Limitações do Brasil podem virar vantagem competitiva em IA, segundo especialistas
Do delivery ao salão do restaurante: iFood adquire 100% da startup de reservas Get In
23 mil empregos na mira: Meta e Microsoft preparam cortes com aumento de custos em IA
©2026 Bloomberg L.P.
